پروژه تشخیص و شناسایی اعمال انسان با استفاده از مدل مخفی مارکوف فازی با MATLAB

عنوان کامل پروژه:

پروژه تشخیص و شناسایی اعمال انسان با استفاده از مدل مخفی مارکوف فازی با استفاده از زبان برنامه نویسی MATLAB

تشخیص و بازنمایی اعمال انسان یکی از موضوعات مهم و چالش ­برانگیز در حوزه­ ی بینایی ماشین می­ باشد که دارای کاربردهای فراوانی همچون نظارت خودکار، تعامل انسان با کامپیوتر، جستجو در پایگاه‌های ویدیویی، برچسب زدن خودکار ویدیوها می­ باشد. بسیاری از اعمالی که توسط انسان انجام می ­شود از نظر الگوی حرکتی به هم شبیه می‌باشند و تفکیک و تشخیص آن‌ها از هم در بسیاری از کاربردها داری اهمیت می ­باشد؛ بنابراین یکی از چالش ­های الگوریتم­های تشخیص، تفکیک این‌گونه اعمال از همدیگر می­ باشد.

هدف از این پژوهش ارائه‌­ی روشی برای بهبود نرخ تشخیص اعمال انسان و به‌ ویژه اعمال مشابه می‌­باشد. رویکردهای پیشنهادی در این پژوهش را می­توان از دو جنبه‌­ی الگوریتم تشخیص و روش­های استخراج ویژگی بررسی نمود. رویکرد پیشنهادی برای بهبود نرخ تشخیص، ترکیب مفاهیم فازی در مدل مخفی مارکوف و ارائه­‌ی روشی به نام مدل مخفی مارکوف فازی (Fuzzy HMM) برای تشخیص اعمال انسان می ­باشد. در فاز ایجاد نمادهای مورد استفاده در مدل مخفی مارکوف کلاسیک، از خوشه‌بندی بردارهای ویژگی استفاده می ­شود و هر بردار ویژگی به یک خوشه تعلق پیدا می‌­کند؛ اما در فاز نمادسازی مدل مخفی مارکوف فازی هر بردار ویژگی با تخصیص یک درجه­‌ی تعلق فازی به تمام خوشه­ ها تعلق پیدا می‌­کند. این امر باعث می ­شود که قدرت این روش در تشخیص اعمال مشابه از مدل مخفی مارکوف بیشتر باشد. برای توصیف شخص انجام دهنده ­ی یک عمل نیز از دو ویژگی اسکلتی و فضایی -زمانی استفاده‌ شده است. ویژگی اسکلتی قبلاً در تشخیص اعمال استفاده‌ شده است، اما با تغییراتی که در اینجا در نحوه‌­ی تشکیل بردار ویژگی انجام‌ شده است، زمان لازم برای مقایسه ­ی دو بردار ویژگی از این نوع به مقدار قابل‌ توجهی کاهش پیدا کرده است. همچنین در این پژوهش از ویژگی­ های فضایی- زمانی که تاکنون به همراه دسته‌­بندی‌های غیرترتیبی مثل ماشین بردار پشتیبان و k-نزدیک‌ترین همسایه استفاده‌ شده است به‌عنوان ویژگی برای مدل مارکوف مخفی فازی که روشی ترتیبی می­ باشد، استفاده‌ شده است. ارزیابی روش­ های پیشنهادی بر روی دو مجموعه داده ه­ای Weizmann و KTH انجام‌ شده است و نرخ تشخیص به‌ دست‌آمده برای این مجموعه داده‌­ها به ترتیب ۹۸/۸۹% و 9۱/9۶% می­ باشد. این نتایج موفقیت این الگوریتم در تشخیص اعمال مشابه را نشان می‌دهد.


آنچه در این کد خواهید آموخت:

1- طریقه استخراج بردارهای ویژگی مربوط به یک ویدیو ( دنباله فریم های مربوط به یک ویدیو) و تهیه رشته ای از بردارهای ویژگی

2 – طریقه تولید نمادها از روی بردارهای ویژگی با استفاده از روش های دسته بندی( نمادهای مورد استفاده در مدل مخفی مارکوف)

3– طریقه استفاده از مفاهیم فازی در تولید نمادها (دسته بندی بردارهای ویژگی مربوط به اعمال انسان)

4- طریقه آموزش مدل مخفی مارکوف غیر فازی به عنوان عنوان مدلی برای تشخیص اعمال انسان

 5- طریقه فازی نمودن مدل مخفی مارکوف غیر فازی و در نتیجه ارایه مدل مخفی مارکوف فازی

6- طریقه آموزش مدل مخفی مارکوف فازی به عنوان عنوان مدلی برای تشخیص اعمال انسان 

7- انجام تست بر روی داده‌های تست


نکات و الزامات:

1- آشنایی با مفاهیم یادگیری ماشین

2- آشنایی با مفاهیم دسته بندی

3 - آشنایی با مفهوم فازی

4- آشنایی با مدل مخفی مارکوف و مسایل مربوط به آن

5- آشنایی با روش های انتخاب داده به منظور آموزش و تست

6- آشنایی با زبان MATLAB


 



مشخصات کلی
تعداد صفحات 117
حوزه تخصصی رشته 1 سایر پروژه های کامپیوتر
تعداد صفحات محصول 100-150
معرفی متغیر های ورودی نرم افزار دارد
نمودارهای خروجی دارد
زبان برنامه نویسی
زبان برنامه نویسی اول MATLAB

نظر بدهید

توجه: HTML ترجمه نمی شود!
    بد           خوب

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu.Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcuLorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu. 

پروژه تشخیص و شناسایی اعمال انسان با استفاده از مدل مخفی مارکوف فازی با MATLAB

  • تولید کننده: کورش مظفری
  • شناسنامه: CM2-1006
  • موجودی: در انبار
  • تاریخ: ۱۳۹۴-۱۲-۰۸
  • زبان برنامه نویسی: MATLAB
  • سریال برنامه: CM2-1006
  • سفارش دهنده: مارکت کد
  • فایل معرفی محصول: لینک
  • 1,511,830تومان
  • قیمت بدون مالیات: 1,387,000تومان

برچسب ها: تشخیص اعمال انسان, مدل مخفی مارکوف فازی, ویژگی اسکلتی, ویژگی فضایی زمانی, MATLAB, متلب, یادگیری ماشین, ماشین بردار پشتیبان